Glosario NLP

Métrica para evaluar sistemas de reconocimiento de voz (ASR). Mide errores de sustitución, borrado e inserción dividido por palabras totales. Menor WER = mejor. WER <5% es calidad humana.

Algoritmo para generar embeddings de palabras basado en su contexto. Introducido por Google en 2013. Incluye Skip-gram y CBOW.

Algoritmo de tokenización subword usado por BERT y otros modelos de Google. Similar a BPE pero basado en maximizar likelihood del corpus de entrenamiento. Permite manejar palabras raras dividiéndolas.

Determinar el significado correcto de una palabra polisémica según su contexto (ej: "banco" financiero vs mueble).